ملخص: Le désaccord ou les contradictions dans l'interprétation mammographic motive utiliser des algorithmes automatisés d'identification de modèle pour faciliter l'évaluation des dispositifs radiographiques. Nous avons étudié le potentiel pour l'usage des réseaux neurologiques artificiels (ANNs) pour analyser les dispositifs radiographiques interprétés des mammograms d'écran de film. L'attention a été donnée à 216 cas (série de mammogram) qui ont présenté des caractéristiques soupçonneuses. L'expert en matière de domaine (Wasson) a mesuré jusqu'à 12 dispositifs radiographiques pour chaque cas basé sur des directives de la littérature précédente. L'âge patient a été également inclus. L'existence ou l'absence du malignancy a été confirmée dans chaque cas par l'intermédiaire de la biopsie chirurgicale ouverte (111 malins, 105 bénins). ANNs de diverse complexité ont été formés par l'intermédiaire de la programmation évolutionnaire pour indiquer si un malignancy était présent donné un vecteur des dispositifs marqués d'entrée d'un procédé en travers statistique de validation. Pour les masses soupçonneuses, le meilleur ANNs évolué a produit d'un secteur moyen sous la courbe de caractéristique de fonctionnement de récepteur (AZ) de 0.9196±0.0040 (1 S.E.), avec une spécificité moyenne de 0.6269±0.0272 à 0,95 sensibilités. Les résultats quand les microcalcifications étaient inclus n'étaient pas en tant que bon (AZ=0.8464), cependant, ANNs avec seulement deux noeuds cachés exécutés comme ANNs plus complexe et meilleurs qu'ANNs avec seulement un noeud caché. L'exécution de l'ANNs évolué était comparable à la littérature antérieure, mais avec un ordre de grandeur moins de complexité. Le succès de petit ANNs en diagnostiquant le cancer de sein offre la promesse que des explications appropriées pour le comportement de l'Ann peuvent être induites, menant à une plus grande acceptation par des médecins.

لغة: إنجليزية